最大值、最小值、中值、均值滤波

0 定义及用途

       均值滤波，即以模板内算术平均数的值代替中心像素值，可以降低高斯噪声。

       中值滤波，即以模板内进行有序排列后位于中间的像素值代替中心像素值，可以降低椒盐噪声。

       最大值滤波，即以模板内进行有序排列后最大像素值代替中心像素值，可以去除图像中的暗斑，使亮斑增大。

最小值滤波，即以模板内进行有序排列后最小像素值代替中心像素值，可以去除图像中的亮斑，使暗斑增大。

1 代码

class Filter{ public:   Filter(int width, int height) : width_(width), height_(height) {     dst_img_.create(height, width, CV_8UC1);   }   ~Filter() {   }   virtual cv::Mat& do_filter(cv::Mat& src_img) = 0;   const int radius_ = 1;  // 3 * 3 model   int height_;   int width_;   cv::Mat dst_img_; };   class MeanFilter : public Filter{ public:   MeanFilter(int width, int height) : Filter(width, height) {   };   ~MeanFilter() {   };   cv::Mat& do_filter(cv::Mat& src_img) {     int template_size = (2 * radius_ + 1)*(2 * radius_ + 1);     for (int i = 0; i < src_img.rows; ++i) {       for (int j = 0; j < src_img.cols; ++j) {         int roi_sum = 0;         for (int m = -radius_; m <= radius_; m++) {           int r_offset = m + i;           r_offset = (r_offset < 0) ? 0 : (r_offset >= src_img.rows ? src_img.rows : r_offset);           for (int n = -radius_; n <= radius_; n++) {             int c_offset = n + j;             c_offset = (c_offset < 0) ? 0 : (c_offset >= src_img.cols ? src_img.cols : c_offset);             roi_sum += static_cast<int>(src_img.at<unsigned char>(r_offset, c_offset));           }         }         dst_img_.at<unsigned char>(i, j) = roi_sum / template_size;       }     }     return dst_img_;   } }; // 均值滤波，最大值滤波，最小值滤波 class MiddleFilter : public Filter { public:   enum {     MIN = 0,     MIDDLE = 1,     MAX = 2   }Method;   MiddleFilter(int width, int height, int method = MIDDLE) : Filter(width, height),     method_(method){   };   ~MiddleFilter() {   };   cv::Mat& do_filter(cv::Mat& src_img) {     int template_size = (2 * radius_ + 1)*(2 * radius_ + 1);     unsigned char *template_value = new unsigned char[template_size];     for (int i = 0; i < src_img.rows; ++i) {       for (int j = 0; j < src_img.cols; ++j) {         int index = 0;         memset(template_value, 0, template_size);         for (int m = -radius_; m <= radius_; m++) {           int r_offset = m + i;           r_offset = (r_offset < 0) ? 0 : (r_offset >= src_img.rows ? src_img.rows : r_offset);           for (int n = -radius_; n <= radius_; n++) {             int c_offset = n + j;             c_offset = (c_offset < 0) ? 0 : (c_offset >= src_img.cols ? src_img.cols : c_offset);             template_value[index++] = src_img.at<unsigned char>(r_offset, c_offset);           }         }         quick_sort(template_value, 0, template_size - 1);         if (method_ == MIN) {           dst_img_.at<uchar>(i, j) = template_value[0];         } else if (method_ == MIDDLE) {           dst_img_.at<uchar>(i, j) = template_value[template_size / 2];         } else {           dst_img_.at<uchar>(i, j) = template_value[template_size - 1];         }       }     }     delete[] template_value;     return dst_img_;   }   int method_; };